《表3 不同模型检测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于YOLOV3改进的实时车辆检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步验证本文算法的有效性，对比了不同算法的检测时间和平均类别精度，实验结果如表3所示，本文算法通过特征金字塔（FPN）结构融合了上下文信息，增加了候选框的数量，同时使用非软化极大值抑制和Focal-loss，有效地降低了模型的漏检率，改进后的模型平均类别精度相对于YOLOV3模型提升了1.15%。改进后的模型检测单张图片所需时间为28.5ms，低于YOLOV3模型的42.3 ms。综合考虑，本文改进后的模型兼顾实时性和准确性，能够及时为高级辅助驾驶系统提供周围环境感知信息。